基于统计分析的剩余寿命模型和预测

发布时间：2017-07-19 17:28

  本文关键词：基于统计分析的剩余寿命模型和预测

  更多相关文章： 剩余使用寿命 贝叶斯估计 EM算法 维纳过程

【摘要】：剩余使用寿命(Remaining Useful Life,RUL)预测是视情维修(Condition Based Maintenance,CBM)过程中核心问题之一,也是产品再制造过程中一个不可回避的关键问题。这一问题已经成为系统故障预测和健康管理(Prognostics and Health Management,PHM)领域的研究热点和挑战。根据剩余寿命预测结果分析,可以提高系统或设备可用性和可靠性,同时可以减少维修保障费用,降低失效事件发生的风险,降低或避免故障造成的重大损失,具有重要的研究和实用价值。首先,本文综述基于统计分析的剩余寿命预测的方法,主要分为回归模型的方法,马尔科夫(Markov)模型的方法,维纳过程的方法以及随机滤波的方法。文献中,针对维纳过程的方法对剩余寿命进行预测,提出了随机过程的线性退化模型和非线性退化模型,利用了贝叶斯估计和EM算法对模型的参数进行估计,得到了剩余寿命的概率密度函数。其次,在随机系数回归模型的基础上,为了获得更精准的剩余寿命的预测,建立了带测量误差的剩余寿命预测模型。本文运用了贝叶斯估计和EM算法相结合的方法对参数进行估计,得到了剩余寿命的概率密度函数。数值实验表明了测量误差对剩余寿命的影响,也说明了带测量误差的剩余寿命预测模型的有效性。最后,基于冲击载荷对设备的性能退化的影响,使得设备性能或者寿命加速达到阈值,建立了一个考虑冲击载荷和自然退化相结合的剩余寿命预测模型。估计模型参数运用了贝叶斯估计和EM算法相结合的方法,得到了剩余寿命的概率密度函数。实验说明了提出的模型更为符合实际情况,预测的结果也更加精确,也说明了该模型的可靠性与优越性。
【关键词】：剩余使用寿命 贝叶斯估计 EM算法 维纳过程
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH17
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 符号对照表9-10
• 缩略语对照表10-13
• 第一章 绪论13-23
• 1.1 研究的目的和意义13
• 1.2 国内外研究现状13-20
• 1.2.1 术语介绍13-14
• 1.2.2 剩余寿命研究现状14-20
• 1.3 论文的结构20-23
• 第二章 理论基础23-31
• 2.1 模型建立的基础知识23-26
• 2.1.1 误差研究23-25
• 2.1.2 维纳过程25-26
• 2.2 贝叶斯理论26-28
• 2.3 EM算法28-29
• 2.4 本章小结29-31
• 第三章 基于测量误差的RUL预测31-43
• 3.1 引言31-35
• 3.1.1 线性退化模型及求解31-33
• 3.1.2 非线性退化模型及求解33-35
• 3.2 基于测量误差的RUL预测35-39
• 3.2.1 模型的建立35-36
• 3.2.2 模型求解36-39
• 3.3 模型的仿真39-41
• 3.4 本章小结41-43
• 第四章 基于冲击载荷的RUL预测43-53
• 4.1 冲击载荷分析43-45
• 4.2 基于冲击载荷模型及求解45-48
• 4.3 考虑冲击载荷与测量误差的RUL预测48-50
• 4.3.1 模型建立48
• 4.3.2 模型求解48-50
• 4.4 模型的仿真50-52
• 4.5 本章小结52-53
• 第五章 结论与展望53-55
• 参考文献55-59
• 致谢59-61
• 作者简介61-62

【参考文献】

中国期刊全文数据库 前2条

1 张磊;李行善;于劲松;代京;;一种基于高斯混合模型粒子滤波的故障预测算法[J];航空学报;2009年02期

2 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期

，

本文编号：564037